[发明专利]位姿数据的处理方法、处理装置、处理器和车辆系统

说明书

本申请提供了一种位姿数据的处理方法、处理装置、处理器和车辆系统，其中，该方法包括：获取预定时间段内车辆对应的原始数据，原始数据包括GNSS接收机输出的RTK数据以及IMU检测得到的姿态数据；至少采用反向卡尔曼滤波算法对原始数据进行处理，得到初始RTK数据和初始姿态数据，初始RTK数据为初始时刻的RTK数据经过反向卡尔曼滤波算法处理得到的数据；确定将初始RTK数据和初始姿态数据作为正向卡尔曼滤波算法的初始时刻的状态数据，并采用正向卡尔曼滤波算法对初始时刻的状态数据进行处理，得到滤波数据；采用RTS算法对滤波数据进行处理，得到处理后的RTK数据以及姿态数据。该方法可以得到一份较为完整的平滑轨迹。

技术领域

本申请涉及车辆定位领域，具体而言，涉及一种位姿数据的处理方法、处理装置、计算机可读存储介质、处理器和车辆系统。

背景技术

现有技术中，通常都会对GNSS(Global Navigation Satellite System，全球导航卫星系统)/IMU(Inertial Measurement Unit，惯性测量单元)原始数据进行事后处理，以得到车辆的高精度位置和姿态，其中，GNSS Receiver是全球卫星导航接收机，IMU是惯性测量单元。目前，常规的事后处理方法中：首先对GNSS和IMU原始观测数据以及GNSS基站差分数据进行转换，转成内部的格式，然后，处理GNSS得到精密的卫星定位结果，之后，融合IMU数据同时进行正反向卡尔曼滤波处理，对正反处理完得到的轨迹进行组合，最后，对结果进行平滑处理得到用户需要的车辆的高精度位置和姿态信息。

上述的方法中，由于正向卡尔曼滤波和反向卡尔曼滤波可以同时处理也可以单独处理，然后对正反处理后的结果进行组合平滑。由于不管正向卡尔曼滤波还是反向卡尔曼滤波都需要一个初始对准的过程，当数据采集一开始就在车辆低速运动过程中或者数据采集结束也是在低速运动中，那么，处理过程只能依靠动态对准进行卡尔曼滤波的初始化(需要满足车速大于一定的阈值)，所以在车速低于这个阈值也就是在完成初始对准之前是没有任何结果的，即使使用正反向卡尔慢滤波也只能得到初始对准之前的单向推算轨迹，无法得到初始对准之前的双向推算轨迹，也无法获取初始对准之前的双向平滑轨迹，进而无法进行双方向结果组合并进行平滑处理。因此，该方法平滑轨迹并不完整，得到的结果并不精确。

因此，亟需一种可以得到完整的平滑轨迹的事后处理方法。

在背景技术部分中公开的以上信息只是用来加强对本文所描述技术的背景技术的理解，因此，背景技术中可能包含某些信息，这些信息对于本领域技术人员来说并未形成在本国已知的现有技术。

发明内容

本申请的主要目的在于提供一种位姿数据的处理方法、处理装置、计算机可读存储介质、处理器和车辆系统，以解决现有技术中的GNSS/IMU原始数据的事后处理方法难以得到完整的平滑轨迹而导致得到的结果不准确的问题。

根据本发明实施例的一个方面，提供了一种位姿数据的处理方法，包括：获取预定时间段内车辆对应的原始数据，所述原始数据包括GNSS接收机输出的RTK(Real TimeKinematic，实时动态定位)数据以及IMU检测得到的姿态数据，所述RTK数据包括多个位置数据、多个速度数据以及多个位置标准差数据，一个时刻对应一个所述位置数据、一个所述速度数据以及一个所述位置标准差数据，所述姿态数据包括多个角速度数据以及多个加速度数据；至少采用反向卡尔曼滤波算法对所述原始数据进行处理，得到初始RTK数据和初始姿态数据，所述初始RTK数据为初始时刻的所述RTK数据经过所述反向卡尔曼滤波算法处理得到的数据，所述初始姿态数据为初始时刻的所述姿态数据经过所述反向卡尔曼滤波算法处理得到的数据；确定将所述初始RTK数据和所述初始姿态数据作为正向卡尔曼滤波算法的初始时刻的状态数据，并采用正向卡尔曼滤波算法对所述初始时刻的状态数据进行处理，得到滤波数据；采用RTS算法对所述滤波数据进行处理，得到处理后的所述RTK数据以及所述姿态数据。